小红书
广告Agentic投放算法实习生-商业算法
广告Agentic投放算法实习生-商业算法
发布于 12 小时前实习/见习
实习生仅现场办公机器学习工程
机器学习工程
Dpo
Llm
Pytorch
Rag
Rlhf
Sft
Tensorflow
值不值得投
80综合评分
综合评分 80
前沿大模型与Agent技术栈、核心商业化场景落地、技术成长空间极大，但实习期工作节奏可能较快。
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便比较实习机会。
薪资怎么样
1.2万
比机器学习工程中位数低
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 2130 个在招 · 其中机器学习工程 31 个
市场机会
选择面较广
北京 · 机器学习工程 · 约 500 个在招
职位详情
关于这个职位
该职位是小红书商业算法团队的算法实习生，主要利用LLM与Agent技术构建“AI数字投手”，实现广告投放的全流程自动化
你将参与记忆机制搭建、技能编排、供需语义匹配及模型后训练等核心工作，提升AI投放的智能上限
最低要求
技术背景：计算机、人工智能、自动化、数学等相关专业在读硕士及以上
精通 Python / C++，熟悉 PyTorch / TensorFlow 等主流深度学习框架
Agent 核心技术：深入理解 LLM 应用开发，有 RAG、Function Calling、Memory Mechanism 的实际落地经验
模型后训练与检索能力：熟悉 SFT、RL（DPO / RLHF / GRPO 等）等大模型后训练范式，理解对比学习、蒸馏、向量检索与召回模型的训练与调优
能把线上效果信号（点击、转化、精排分）转化为训练监督信号，推动模型效果持续上涨
工作职责
AI 数字投手构建：基于 LLM 与 Agent 技术，研发 24 小时在线的"AI 数字投手"，实现从广告诊断、策略制定、素材生成到自动出价的全流程自动化托管
记忆与知识体系搭建：构建面向广告业务的长期记忆机制（Long-term Memory）与领域知识库（RAG），使 AI 投手能持续学习历史投放经验、行业案例及平台规则，自行迭代
技能编排与工具调用：开发标准化技能库（Skill Library），将出价调整、人群定向、创意 A/B 测试等原子能力封装为 Agent 可调用的工具，实现复杂任务的自动化编排
供需语义匹配：用 LLM 把用户侧的自然语言需求结构化为可计算的意图表示，与供给侧的结构化供给描述做语义匹配，打通从召回、排序到出价的联动链路，涵盖召回通道设计、出价 Boost、Query 改写与语义去重、面向供给侧的人群圈选
模型后训练与迭代：用 SFT、蒸馏、低维对比学习与 DPO / RL 后训练持续提升匹配与决策模型的效果，把线上后验信号转化为训练监督信号
并将 LLM 能力落到具体投放场景（如冷启动期的人群初始化与内容理解），按客户生命周期配套差异化策略
仿真与评估体系：搭建广告投放的虚拟仿真环境（Simulator），用于 Agent 的低成本试错训练
建立多维度的 Agent 能力评估指标（如 ROI 提升率、响应延迟、策略稳定性）
优先资格
有 AI Agent、多智能体协作（Multi-Agent）项目经验者优先
在 ICLR、NeurIPS、ICML、KDD 等顶会发表过相关论文者优先
有开源 Agent 项目或 GitHub 高星项目者优先
在广告投放、推荐或搜索场景有Agentic改造经验者优先
AI 洞察
优缺点分析
优点
- 接触业界最前沿的LLM与Agent技术，并在庞大的广告业务场景中进行真实落地，技术含金量极高
- 依托丰富的数据与算力资源，能够完成从模型训练到线上后验的全链路闭环，成长速度快
- Agent技术在复杂业务场景中的稳定性与可控性仍是行业难题，需要不断探索与试错
缺点 / 挑战
- 广告业务对ROI和实时性要求极高，模型迭代与线上效果验证的压力较大，需要较强的抗压能力
- 适合对大模型和AI Agent有浓厚兴趣，具备扎实算法基础，且希望在商业化核心场景中挑战高难度技术问题的顶尖在校生
角色解读
- 在AI Agent与大模型商业化落地领域积累顶尖经验，成为广告算法或Agent架构专家
- 未来可向高级算法工程师、算法专家或AI产品技术负责人方向发展，主导核心业务的技术演进
- 利用LLM与Agent技术构建'AI数字投手'，实现广告投放从诊断、策略制定到自动出价的全流程自动化
- 搭建长期记忆机制与领域知识库，开发标准化技能库，实现复杂任务的自动化编排与工具调用
- 进行供需语义匹配，打通召回、排序到出价的联动链路，并通过SFT、RL等后训练范式持续优化模型效果
- 扎实的深度学习基础，精通Python/C++及PyTorch/TensorFlow等主流框架
- 深入理解LLM应用开发，具备RAG、Function Calling、Memory Mechanism的实际落地经验
- 熟悉大模型后训练范式（SFT、RLHF、DPO等）及向量检索、召回模型的训练与调优
申请策略
- 在面试中不仅要展示技术深度，还要体现对广告业务指标（如ROI、转化率）的理解，证明技术能为业务带来实际价值
- 重点突出在LLM、Agent、RAG或大模型后训练（SFT/RLHF/DPO）相关的项目经验或顶会论文
- 展示将线上效果信号转化为训练监督信号的实际案例，或在推荐/搜索/广告场景的算法优化经历
- 深入学习Multi-Agent协作机制与Agent评估体系，了解Simulator在强化学习中的应用
- 熟悉广告投放业务逻辑（如出价策略、人群定向、冷启动等），将技术与业务场景深度结合
面试指南
- STAR法则：针对项目经验，清晰阐述背景、任务、具体行动（技术细节）和最终结果（业务指标提升）
- 技术深度+业务思考：在回答技术问题时，主动关联到广告业务的实际痛点（如冷启动、ROI提升），展现业务Sense
- 请详细介绍你过往在RAG或Agent项目中，如何解决长期记忆或工具调用的难题？
- 在将线上后验信号转化为训练监督信号时，你遇到过哪些数据分布或噪声问题，是如何解决的？
- 如果让你设计一个广告投放的虚拟仿真环境（Simulator），你会如何定义状态空间、动作空间和奖励函数？
- DPO和RLHF在优化大模型决策时各有什么优缺点？在广告出价场景中你会如何选择？
- 复习大模型后训练（SFT/RLHF/DPO）的数学原理与工程实现细节，准备1-2个自己主导的Agent或RAG落地项目
- 了解广告业务的基本逻辑和核心产品，思考Agent技术如何赋能现有的广告投放流程
职位点评
薪资福利75
成长发展95
工作生活60
使命价值80
薪资福利
75中等
作为算法实习岗，实习津贴处于市场较高水平，且能享受规范福利，但实习生通常不享受长期激励。
薪资信号市场水准 (8千–1.5万/月)
成长发展
95较高
岗位聚焦LLM与Agent等前沿技术，并在核心商业化场景落地，技术成长空间与履历含金量极高。
技术前沿前沿/新兴技术
技术栈LLM、Agent、RAG、Function Calling、SFT、DPO、RLHF、PyTorch
业务类型profit_center
工作生活
60中等
JD未明确提及工作模式与WLB信息，但算法实习岗通常工作节奏较快，需配合业务迭代，WLB满足程度有限。
工作模式未明确
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值
80较高
推动AI技术在商业广告中的智能化升级，提升投放效率与用户体验，具有较高的行业创新价值与技术使命感。
行业发展高速增长赛道
社会影响中性/一般
创新程度开拓性创新（行业首创）
Watch Jobs